欢迎来到我的博客！这里是我记录编程世界旅程的开始 🎉
本博客的目的
在这个博客中，我将记录我的课程学习记录，展示我的项目，并分享我在编程过程中个人的反思。我的目标是创造一个供学习和分享知识的空间，与同样热爱编程的朋友们交流。
期待的内容
- 学习记录 🗒️: 来自我课程的笔记和见解。
- 项目展示 💻: 对我个人项目及其开发过程的详细介绍。
- 个人反思 📓: 在我编程旅程中所学到的思想和经验。
2024年11月2日小于 1 分钟
Dkd
A Vending Machine Management System
Rpc
A Lightweight Remote Procedure Call Framework
Coin-Exchange
A cryptocurrency exchange project
Ui
A custom user interface of DeepSeek
Cron
A script execution platform with cron job support
Cv
Online Resume
陈若尘
- 邮箱: ruocchen1220@163.com
- 电话: +86 13738337771
- 位置: 上海
教育背景
信息技术硕士，计算方向
墨尔本大学
2024年2月 - 2025年12月
相关课程: 编程与软件开发，计算机网络，数据结构与算法，数据库系统，分布式系统，集群与云计算，声明式编程，机器学习，软件过程与管理，信息可视化
2024年11月1日大约 8 分钟
一句话总结： ChatGPT是自回归文本生成器（System2，负责写句子、长推理）；Jev是单步概率决策器（System1，只做选择/打分，不生成任何文本）
1. 底层工作逻辑（最关键）
ChatGPT（传统LLM，Decoder-only，自回归 autoregressive）
- 输入prompt先做Prefill（一次性把输入全部算完）
- 循环逐token生成输出：预测第1个字 → 把这个字塞回上下文，再预测第2个字……依次循环
- 哪怕你只想要一个
{"result":"A"}，它也要逐个生成JSON里每一个字符，输出越长，步数越多、越慢 - 输出是自然语言字符串；你拿到文本后，还需要代码去解析JSON，容易出现格式幻觉、引号缺失等bug
2026年10月4日大约 3 分钟
全称：Society for Worldwide Interbank Financial Telecommunication，中文叫环球银行金融电信协会，大家习惯直接称SWIFT系统。
✅ 关键点：它不是资金清算系统，只是金融报文（指令）传输网络，不实际转账、不保管资金
1. 基本信息
- 成立：1973年，总部比利时布鲁塞尔，属于会员制非营利合作组织，由全球各大银行共同所有，多国央行参与监督
- 规模：连接全球**11000+**银行、券商、交易所、大型企业，覆盖200多个国家和地区，每天传输数千万条跨境金融报文
- 核心产物：SWIFT Code（BIC码），每家接入银行的唯一身份编码，跨境汇款必须填写，用来识别收款银行
2026年10月3日大约 2 分钟
-
架构分支起源：2017 年谷歌发布 Transformer，用自注意力机制解决传统 RNN 训练循环依赖、效率低下的问题，后续衍生出 Encoder-Only 的 BERT、Encoder-Decoder 的 T5、Decoder-Only 的 GPT 三大技术分支。
-
各分支核心贡献：BERT 验证预训练加微调范式的可行性，大幅降低下游任务训练成本；T5 统一所有 NLP 任务的文本输入输出格式，公开大规模语料库 C4，为后续提示词工程打下基础。
-
GPT 路线探索：OpenAI 先后推出 GPT1 到 GPT3 系列，提出缩放定律、上下文学习等核心结论，证明无需微调仅靠提示词即可完成不同任务，大幅降低任务切换成本。
-
胜出核心逻辑：Decoder-Only 架构训练样本构造简单，训练与推理目标完全一致，结构精简便于参数堆叠和工程落地，规模扩大后效果随算力投入稳定提升，最终成为通用大模型的主流选择。
2026年10月3日小于 1 分钟
1. LangGraph总览
LangGraph 运行时底层基于自研的 Pregel 运行时，其核心思想借鉴了 Google Pregel 计算模型，用于组织和执行复杂的图计算流程。
1.0. LangGraph和LangChain的版本迭代及定位
LangChain 1.x 的定位发生了明显变化：旧式 Chain、Retriever、Memory 等组件被迁移至 langchain-classic；LCEL 保留为 langchain-core 的底层组合机制，但不再是主要开发入口。
2026年9月20日大约 35 分钟
4. 控制流
4.1. 顺序结构
4.1.1. add_edge
add_edge 用于在两个节点之间添加一条有向边。边是图结构中最基本的元素之一，节点之间的执行顺序、分支跳转以及循环控制，最终都依赖节点和边共同表达。
因此，在 LangGraph 中，基础的控制流结构都可以通过 add_edge 进行构建。
示例如下：
from langgraph.graph import StateGraph, START, END
from typing import TypedDict
class OverAllState(TypedDict):
username: str
greeting: str
output: str
def node_a(state: OverAllState) -> OverAllState:
return {
"greeting": "Dear " + state["username"]
}
def node_b(state: OverAllState) -> OverAllState:
return {
"output": state["greeting"] + "，你好！"
}
builder = StateGraph(state_schema=OverAllState)
builder.add_node("node_a", node_a)
builder.add_node("node_b", node_b)
builder.add_edge(START, "node_a")
builder.add_edge("node_a", "node_b")
builder.add_edge("node_b", END)
graph = builder.compile()
res = graph.invoke({"username": "小黄"})
print(res)
from IPython.display import display
display(graph)2026年9月20日大约 86 分钟
6. 持久化机制和可恢复执行
6.1. 概述
6.1.1. 什么是可恢复执行
在工作流、Agent、任务编排系统里，可恢复执行 Durable Execution 指的是：
把一次任务执行过程中的关键进度、状态、结果保存到可靠存储中，使任务可以在中断、失败、等待外部输入后继续执行。
它解决的是“执行过程能否恢复”的问题。
例如：
普通执行：
开始 -> A -> B -> C
如果执行到 B 后程序挂了，重启后可能只能从 A 重新开始。
可恢复执行：
开始 -> A 保存检查点
-> B 保存检查点
-> C
如果执行到 B 后挂了，恢复时可以从已保存的位置继续。2026年9月20日大约 95 分钟
8. 中断
LangGraph 提供了两种中断机制：
-
动态中断：在图的任意节点中调用
interrupt()函数实现它可以放在代码的任意位置，并且可以根据应用逻辑设置条件触发，所以是动态的。
动态中断提供了人机交互接口，使得调用者可以人为干预计算图的运行，是业务逻辑的一部分。
-
静态中断：在编译或调用状态图时通过
interrupt_before和interrupt_after参数设置断点它是在运行前确定的，不能根据业务逻辑条件触发，所以是静态的。
静态中断主要用于调试，不是业务逻辑的一部分。
2026年9月20日大约 56 分钟
11. 流式执行
11.1. 概述
11.1.1. 什么是流式执行
流式执行（Streaming Execution），是指程序在任务尚未全部完成时，就将执行过程中已经产生的中间结果、状态变化或事件持续输出给调用方，而不是等待整个任务结束后一次性返回最终结果。
简而言之：流式执行就是
边执行、边产生事件、边向调用方返回结果。
11.1.2. 什么是LangGraph的流式执行
2026年9月20日大约 105 分钟